一篇 Brain Research 综述被撤后，我们重新查了它的 99 条参考文献！
2026-09-17
6361
一条参考文献，题目讲的是用机器学习识别放射影像中的患者身份和左右侧，后面还跟着一个格式完整的编号：arXiv:1610.04879。
Brain Research撤稿事件 × AiScholar参考文献风险检测
只看这行题录，很难察觉有什么问题。可真正点进arXiv，页面上出现的却是一篇数学论文，研究的是有理数上的形式拟同构。题目、作者、学科方向，全都对不上。
这条引用来自Brain Research发表的一篇综述。论文讨论脑机接口与人工智能伦理，标题是《Decoding thoughts, encoding ethics: A narrative review of the BCI-AI revolution》。如今，Science Direct已经在论文页面标上了醒目的“RETRACTED”。
原论文首页，页面标注“RETRACTED”（原页局部截图）
一篇讨论AI伦理的论文，问题出在参考文献里
这篇综述由Thorsten Rudroff撰写，2024年12月22日在线发表，后编入Brain Research 2025年第1850卷，文章编号149423，DOI为10.1016/j.brainres.2024.149423。
根据期刊撤稿说明，事情起于一位读者的质疑。对方认为论文可能使用了生成式AI，并指出参考文献无法查证、正文存在重复等问题。期刊随后联系作者回应。
作者承认，自己曾使用生成式AI工具生成部分参考文献，却未按期刊政策如实披露；同时确认，99条参考文献中有15条存在错误、不完整或并不存在的情况。需要说明的是，这是作者向期刊确认的数量；下文AiScholar报告中的分类属于自动化筛查结果，两者统计口径不同，不能直接对等。对于论文存在大量重复的说法，作者持不同意见，认为相关重合源于编辑部疏忽。
编辑最终决定撤稿。作者接受这一决定，承担责任，并向编辑部、审稿人和读者致歉。
这类未经核验的AI生成题录往往具有较强迷惑性：作者、题名、期刊、年份、卷期、页码甚至DOI都可能齐全，人工快速浏览时很容易忽略异常。
99条参考文献，我们全部测了一遍
我们将论文完整参考文献列表提交至AiScholar参考文献风险检测。2026年8月26日生成的报告编号为77，共检测99条参考文献。
AiScholar报告第1页检测概况（原页局部截图，计数栏）
报告将99条参考文献分为66条“验证真实”、12条“元数据矛盾”和21条“虚构/伪造”。其中，“元数据矛盾”指文献确实存在，但作者、年份、卷期、页码或文章编号等字段存在不一致。
被标记为“虚构/伪造”的21条记录，主要涉及原始数据库中暂无匹配记录、DOI无法解析，或标识符实际指向另一篇论文等情况。
这些分类是系统自动生成的风险标签，用于提示人工优先核查的条目，不代表期刊认定，也不能据此判断作者是否存在主观故意。最终仍需结合出版社页面、数据库记录和文献正文进一步确认。
随后，我们选取3条记录回查期刊官网和学术数据库，分别对应著录字段错误、未找到出版记录和标识符错配三类情况。
第一种：论文真实存在，但著录字段有误
第21条引用的是一篇Nature Communications论文：《Reorganization between preparatory and movement population responses in motor cortex》。题目、作者、期刊和年份都能对应上，真正写错的是最后的卷期页码。
Nature官网以文章编号13239著录这篇论文，DOI为10.1038/ncomms13239；原题录写成“7(1), 1–15”。报告据此将其归为“元数据矛盾”。文献本身真实存在，但著录字段不一致仍可能影响数据库匹配和读者追溯。
报告第14页：条目21（原页局部截图）
这类错误不易在快速浏览中发现。虽然它不会让一篇真实文献凭空消失，却可能在投稿系统、参考文献核验或编辑审查环节暴露出来。
第二种：字段看似完整，却未找到出版记录
第15条列出8位作者，题名后注明Nature Medicine、2024年、第30卷第1期和132—141页。这条题录字段齐全，单凭格式很难发现异常。
AiScholar按题名和作者在Crossref、OpenAlex等渠道未找到匹配记录，Nature Medicine第30卷第1期目录中也未见对应论文，因此系统将其标记为“虚构/伪造”。目前只能确认该题录尚未与公开出版记录对应，仍需结合出版社页面和作者信息进一步复核。
无法检索到对应记录，并不等于已经证明其由AI凭空生成。它也可能来自题名、作者、年份等多个字段同时写错，因此单凭自动化筛查结果不能继续下结论。
由于各字段形式完整，此类记录通常需要跨数据库和期刊目录交叉检索才能识别。
报告第11—12页：条目15（原页局部截图拼接）
第三种：arXiv编号有效，指向的却是另一篇论文
再回到开头那条第56条参考文献。论文把arXiv:1610.04879写在一篇放射影像机器学习研究后面。
arXiv官方记录显示，这个编号属于Dolgushev和Schneider的一篇数学论文《When can a formality quasi-isomorphism over rationals be constructed recursively?》，分类为K-Theory and Homology与Algebraic Topology。
该arXiv编号虽然有效，实际对应的题名、作者和研究方向均与引用内容无关。只有继续核对落地页面，才能发现这种标识符错配。
一篇论文可能包含几十条甚至上百条参考文献。如果完全依靠人工在期刊官网、数据库和权威来源之间逐条核对，往往耗时较长。批量检测可以先标记暂无记录、字段矛盾以及DOI、arXiv编号异常的条目，再由作者集中复核这些高风险位置。
AiScholar参考文献风险检测会对题名、作者、期刊、年份、卷期页码和DOI等字段进行交叉比对，并生成可在线查看、下载的逐条报告。
AI参与写作、翻译、润色或文献整理后，建议重点核对那些形式完整却无法对应原始出版记录的条目。
拿到报告后，可以按下面的顺序处理：
这起撤稿说明，参考文献链接能够打开，并不等于题名、作者和内容彼此对应。AI可以协助整理题录，作者仍需在投稿前确认每条文献真实存在、著录准确，并能支撑正文观点。
